O uso de Retrieval-Augmented Generation (RAG) por policiais militares: estudo de caso na Polícia Militar do Paraná
DOI:
https://doi.org/10.38152/bjtv9n1-005Keywords:
Inteligência artificial, segurança pública, Polícia militar, normas institucionaisAbstract
A crescente complexidade normativa que orienta a atuação das polícias militares impõe desafios significativos ao acesso rápido e confiável à informação institucional. Paralelamente, o avanço dos modelos de linguagem de grande escala ampliou as possibilidades de uso da inteligência artificial como ferramenta de apoio informacional, embora apresente limitações relevantes em contextos jurídicos e normativos, como a geração de informações não fundamentadas. Nesse cenário, o presente artigo tem como objetivo analisar o uso de uma arquitetura baseada em Retrieval-Augmented Generation (RAG) como instrumento de apoio à consulta normativa na Polícia Militar do Paraná (PMPR), por meio de um estudo de caso. A pesquisa caracteriza-se como aplicada, de abordagem qualitativa e natureza exploratória, desenvolvida a partir da análise de um sistema de domínio fechado, estruturado com base em um corpus documental institucional composto exclusivamente por atos normativos oficiais da Corporação. Os resultados indicam que a utilização do RAG contribui para maior celeridade, padronização e confiabilidade no acesso às normas internas, ao mesmo tempo em que mitiga riscos associados à utilização isolada de modelos de linguagem. Conclui-se que arquiteturas baseadas em RAG, quando implementadas com governança adequada e controle das fontes, apresentam-se como alternativa tecnicamente consistente e institucionalmente compatível para o apoio informacional em organizações policiais militares.
References
ASHLEY, Kevin D. Artificial intelligence and legal analytics: new tools for law practice in the digital age. Cambridge: Cambridge University Press, 2020.
BAYLEY, David H.; BITTNER, Egon. Learning the skills of policing. Boston: Northeastern University Press, 2016.
BROWN, Tom B. et al. Language models are few-shot learners. Advances in Neural Information Processing Systems, v. 33, p. 1877–1901, 2020.
BRASIL. Estratégia Brasileira de Inteligência Artificial (EBIA). Brasília: Ministério da Ciência, Tecnologia e Inovações, 2021.
CAVALCANTE, Pedro; CAMÕES, Marizaura; CUNHA, Bruno Queiroz. Inovação no setor público: teoria, tendências e desafios no Brasil. Brasília: Ipea, 2017.
CHEN, Zhiqing et al. Evaluating retrieval-augmented generation for knowledge-intensive NLP tasks. arXiv preprint, arXiv:2305.14623, 2023.
COSTA, Arthur Trindade Maranhão; LIMA, Renato Sérgio de. Segurança pública e polícia: fundamentos e perspectivas contemporâneas. São Paulo: Contexto, 2018.
IZACARD, Gautier et al. Few-shot learning with retrieval augmented language models.
arXiv preprint, arXiv:2208.03299, 2022.
JI, Ziwei et al. Survey of hallucination in natural language generation. ACM Computing Surveys, v. 55, n. 12, p. 1–38, 2023.
LEWIS, Patrick et al. Retrieval-augmented generation for knowledge-intensive NLP tasks.
Advances in Neural Information Processing Systems, v. 33, p. 9459–9474, 2020.
LIPSKY, Michael. Street-level bureaucracy: dilemmas of the individual in public services. 30th anniv. ed. New York: Russell Sage Foundation, 2010.
MAYNE, Nick et al. Faithfulness and factuality in large language models. arXiv preprint, arXiv:2402.01564, 2024.
RATTON, José Luiz; AZEVEDO, Rodrigo Ghiringhelli de. Polícia, democracia e controle social. São Paulo: Saraiva, 2021.
SILVA, Luiz Eduardo Soares da; FONSECA, Igor Ferraz da. Algoritmos, segurança pública e direitos fundamentais. Revista Brasileira de Segurança Pública, v. 14, n. 2, p. 94–115, 2020.
SURDEN, Harry. Artificial intelligence and law: an overview. Georgia State University Law Review, v. 35, n. 4, p. 1305–1337, 2019.
WIRTZ, Bernd W.; WEYERER, Jan C.; GEYER, Carolin. Artificial intelligence and the public sector—applications and challenges. International Journal of Public Administration, v. 42, n. 7, p. 596–615, 2019.
YIN, Robert K. Case study research and applications: design and methods. 6. ed. Thousand Oaks: Sage Publications, 2018.


